Courte présentation du corpus Géomédia (juin 2014)

Billet écrit avec la collaboration d’Hugues Pecout (Ingénieur d’étude, GIS-CIST)

En juin 2014, l’application développée par Clément Rillon pour capturer les flux RSS collecte 259 flux issus de 162 journaux différents. Des tests en cours (régularité et volume du débit d’items) permettront d’affiner cette première sélection. Cet échantillon ne saurait évidemment prétendre à une quelconque représentativité à l’échelle mondiale : tous les quotidiens dans le monde ne proposent pas de flux RSS, ceux qui en proposent n’ont pas nécessairement un débit conséquent et les compétences linguistiques des chercheur-e-s impliqué-e-s dans le projet (sans oublier les soucis liés à l’encodage des caractères…) ont limité l’éventail des choix. L’objectif n’est donc pas la représentativité mais plutôt la construction d’un corpus exploitable.

Les flux RSS sont capturés en anglais et en français depuis décembre 2013, en espagnol et en portugais depuis avril 2014. Quelques journaux en d’autres langues ont été intégrés dans la base pour répondre à des questions de recherche spécifiques à certains chercheur-e-s du projet. Le tableau ci-dessous détaille la répartition par langue des flux collectés. Lorsqu’un seul journal est associé à deux flux (cas de la Pologne), cela signifie que nous capturons le flux international et un autre type de flux.

Langue utilisée

Nombre de journaux/médias

Nombre de flux RSS

anglais

91

146

espagnol

28

46

français

21

35

portugais

9

14

allemand

8

11

italien

2

4

catalan

1

1

polonais

1

2

Sur les sites des journaux, les flux RSS sont classés par catégories. Le nom des catégories varie selon les médias, les langues et les pays. Les différents catégories ont été classées en 5 grands types :

  • Unique : le média émet un seul flux ;
  • General (46 flux): selon les langues, correspond aux flux Home, Homepage, Todas las noticias ou All News ;
  • Une (41 flux) : selon les langues, correspond aux flux Top head lines, Portada, Top stories, Une, Titulares, Actu et Actualidad ;
  • Breaking news (40 flux): correspond aux flux Ultimas Noticias, Dernière news, Latest news, Hot news, News et Fil info ;
  • et enfin International (103 flux) qui correspond selon les cas aux flux International, Internacional, Monde ou Mundo.

Les flux collectés sont issus de 60 États différents et nous avons essayé dans la mesure du possible de varier les journaux pour chaque État (type de journal – journal dit de référence, populaire, tabloïd -, orientation politique, région d’origine, gratuit et payant) et de récolter les quotidiens les plus diffusés. Sauf exception (Financial Times), il s’agit cependant de quotidiens généralistes. Ainsi, le corpus des journaux français comprend trois journaux de référence d’orientations politiques variées (Le Monde, Libération, Le Figaro), deux gratuits (20 minutes, Métro), un quotidien populaire (Le Parisien*) et quatre quotidiens régionaux (Dernières nouvelles d’Alsace, La Nouvelle République, Ouest France et France-Antilles). La couverture géographique a été nettement améliorée par la capture de flux espagnols et portugais. Signalons enfin que, dans un certain nombre de cas, et notamment en Asie et au Moyen-Orient, les flux capturés le sont en anglais et sans doute plus destinés à un public international qu’à un public national.

Cliquer sur la carte pour la voir en plein écran

map1

* Le Parisien pourrait certes être considéré comme un quotidien régional mais son contenu diffère tout de même grandement des autres titres de la PQR (Presse quotidienne régionale).


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *